马，庄；陈汉生；李湘；赖英成；张海峰 基于数据的双工网络重建。 （英语） Zbl 1437.37123号 SIAM J.应用。动态。系统。 19，第1期，124-150（2020年）. 摘要：人们已经认识到，现实世界中的许多复杂动力系统都需要用多重网络来描述，其中一组共同的、相互连接的节点属于不同的网络层，并且在每个层中发挥不同的作用。尽管最近在基于数据的单层网络推理方面取得了进展，但用多重结构重建复杂系统在很大程度上仍然是开放的。在本文中，我们阐述了一个基于平均场的最大似然估计框架来解决这个问题。具体来说，我们重构了一类具有两类传播动力学的典型双工网络系统，并且我们表明，这两个层的结构可以从时间序列数据中同时重构。除了使用经验和合成双工网络验证框架外，我们还进行了详细的分析，以阐明网络和动力学参数对重建精度和鲁棒性的影响。 引用于7文件 MSC公司： 37N99型 动力系统的应用 2006年第68季度 作为计算模型的网络和电路；电路复杂性 68T07型 人工神经网络与深度学习 关键词：多路复用网络；网络重建；平均场近似；最大似然估计 软件：IOTA公司 PDF格式BibTeX公司 XML格式引用 \textit{C.Ma}等人，SIAM J.Appl。动态。系统。19，第1号，124--150（2020；Zbl 1437.37123） 全文： 内政部 arXiv公司 参考文献： [1] A.-L.Barabaási和R.Albert，《随机网络中尺度的出现》，《科学》，286（1999），第509-512页·Zbl 1226.05223号 [2] T.Berry、F.Hamilton、N.Peixoto和T.Sauer，《检测神经元网络中的连接变化》，神经科学杂志。方法，209（2012），第388-397页。 [3] J.Bongard和H.Lipson，非线性动力系统的自动逆向工程，Proc。国家。阿卡德。科学。美国，104（2007），第9943-9948页·Zbl 1155.37044号 [4] A.Brovelli、M.Ding、A.Ledberg、Y.Chen、R.Nakamura和S.L.Bressler，《大规模感觉运动皮层网络中的β振荡：格兰杰因果关系揭示的方向性影响》，Proc。美国国家科学院。科学。美国，101（2004），第9849-9854页。 [5] S.V.Buldyrev、R.Parshani、G.Paul、H.E.Stanley和S.Havlin，《相互依赖网络中的灾难性故障级联》，《自然》，464（2010），第1025-1028页。 [6] J.Casadiego、M.Nitzan、S.Hallerberg和M.Timme，从非线性集体动力学对直接网络相互作用的无模型推断，国家通讯。，8 (2017), 2192. [7] 陈永忠，赖永昌，用二元动力学重构复杂网络的稀疏动态玻尔兹曼机，物理学。E版，97（2018），032317，https://doi.org/10.103/PhysRevE.97.032317。 [8] E.S.C.Ching、P.-Y.Lai和C.Y.Leung，从具有均匀双向耦合的网络动力学中提取连通性，Phys。E版，88（2013），042817，https://doi.org/10.103/PhysRevE.88.042817。 [9] E.S.C.Ching、P.-Y.Lai和C.Y.Leung，从动力学重建加权网络，物理。E版，91（2015），030801，https://doi.org/10.103/PhysRevE.91.030801。 [10] M.De Domenico、C.Granell、M.A.Porter和A.Arenas，《多层网络中扩散过程的物理》，《自然物理学》。，12（2016年），第901-906页。 [11] M.De Domenico、A.Soleá-Ribalta、E.Cozzo、M.Kivela¨、Y.Moreno、M.A.Porter、S.Goámez和A.Arenas，多层网络的数学公式，物理。第X版，3（2013），041022·Zbl 1452.05169号 [12] J.Donges、Y.Zou、N.Marwan和J.Kurths，气候网络的主干，Europhys。莱特。，87 (2009), 48007. [13] V.M.Eguiluz、D.R.Chialvo、G.A.Cecchi、M.Baliki和A.V.Apkarian，无标度脑功能网络，物理。修订稿。，94 (2005), 018102. [14] P.Erdos和A.Reönyi，关于随机图的演化，Publ。数学。仪表悬挂。阿卡德。《科学》第5卷（1960年），第17-60页·Zbl 0103.16301号 [15] K.J.Friston，《动力学系统的贝叶斯估计：功能磁共振成像的应用》，《神经影像》，16（2002），第513-530页。 [16] J.Gao、S.V.Buldyrev、H.E.Stanley和S.Havlin，《由相互依赖的网络组成的网络》，《国家物理学》。，8（2012），第40-48页。 [17] T.S.Gardner、D.di Bernardo、D.Lorenz和J.J.Collins，通过表达谱推断遗传网络和识别复合作用模式，《科学》，301（2003），第102-105页。 [18] C.Granell、S.Goímez和A.Arenas，《意识与多重网络中流行病传播之间的动态相互作用》，Phys。修订稿。，111 (2013), 128701. [19] F.Hamilton、T.Berry、N.Peixoto和T.Sauer，使用数据同化实时跟踪神经元网络结构，Phys。修订版E，88（2013），052715。 [20] S.Hempel，A.Koseska，J.Kurths和Z.Nikoloski，从短时间序列推断有向网络的内部合成对齐，Phys。修订稿。，107（2011），054101。 [21] Kan J.-Q.和Zhang H.-F.，意识扩散和自我激发的意识行为对疫情传播的影响——基于多重网络的方法，Commun。非线性科学。数字。模拟。，44（2017），第193-203页·Zbl 1466.92189号 [22] M.Kivela¨、A.Arenas、M.Barthelemy、J.P.Gleeson、Y.Moreno和M.A.Porter，多层网络，J.Complex Netw。，2（2014年），第203-271页。 [23] Z.Levnajicí和A.Pikovsky，《随机相位重置网络重建》，Phys。修订稿。，107 (2011), 034101. [24] J.-W.Li，Z.-S.Shen，W.-X.Wang，C.Grebogi，Y.-C.Lai，利用二态动力学重建复杂网络的通用数据方法，物理。E版，95（2017），032303，https://doi.org/10.103/PhysRevE.95.032303。 [25] X.Li和X.Li.通过扩散到达时间重建随机时间网络，国家通讯。，8 (2017), 15729. [26] 刘杰，梅国美，吴旭，卢军，加权网络连续时变拓扑的鲁棒重构，IEEE Trans。电路系统，65（2018），第2970-2982页·Zbl 1468.93065号 [27] 马化成，张海峰，赖永昌，《无时间序列的复杂网络重构》，《物理学》。E版，96（2017），022320，https://doi.org/10.103/PhysRevE.96.022320。 [28] A.Madan、M.Cebrian、S.Moturu、K.Farrahi和A.S.Pentland，感知社区的“健康状态”，IEEE普及计算。，11（2012），第36-45页，https://doi.org/10.109/MPRV.2011.79。 [29] M.Magnani、B.Micenkova和L.Rossi，《多重网络的组合分析》，预印本，2013年。 [30] G.Mei，X.Wu，Y.Wang，M.Hu，J.A.Lu，G.Chen，多层网络基于压缩感知的结构识别，IEEE Trans。Cybernet，48（2018），第754-764页。 [31] D.Napoletani和T.D.Sauer，重建稀疏连接动态网络的拓扑，Phys。E版，77（2008），026103。 [32] M.Nitzan、J.Casadiego和M.Timme，《从集体动力学统计揭示物理交互网络》，科学。高级，3（2017）。 [33] S.Pajevic和D.Plenz，动态级联的高效网络重建确定了神经元雪崩的小世界拓扑，PLoS Comp。《生物学》，5（2009），e1000271。 [34] G.Pipa和S.Gru¨n，通过洗牌和重采样对联合棘波事件进行非参数显著性估计，神经公司。，52（2003），第31-37页。 [35] 任建华，王文新，李斌，赖永昌，噪声桥接耦合振子网络中的动力学关联和拓扑，物理学。修订稿。，104 (2010), 058701. [36] S.G.Shandilya和M.Timme，从复杂动力学推断网络拓扑，新物理学杂志。，13 (2011), 013004. ·兹比尔1448.37045 [37] Z.-S.Shen，W.-X.Wang，Y.Fan，Z.Di和Y.-C.Lai，用自然多样性重建传播网络并识别隐藏的来源，国家通讯社。，5（2014），4323。 [38] O.Stetter、D.Battaglia、J.Soriano和T.Geisel，从钙成像信号对兴奋性神经元连接的无模型重建，PLoS Comp。《生物学》，8（2012），e1002653。 [39] 苏瑞清、赖永昌和王晓霞，利用压缩感知识别混沌FitzHugh-Nagumo神经元，《熵》，16（2014），第3889-3902页。 [40] 苏瑞秋，王伟霞，赖永昌，从时间序列中检测复杂网络中的隐藏节点，物理学。E版，85（2012），065201。 [41] J.Sun、D.Taylor和E.Bollt，通过最佳因果熵进行因果网络推理，SIAM J.Appl。动态。系统。，14（2015），第73-106页·Zbl 1376.37123号 [42] M.Timme，从响应动力学揭示网络连接，Phys。修订稿。，98 (2007), 224101. [43] M.Timme和J.Casadiego，《从动力学揭示网络：导论》，J.Phys。A、 47（2014），343001·Zbl 1305.92036号 [44] Wang，Y.C.Lai和C.Grebogi，非线性和复杂动力系统的基于数据的识别和预测，Phys。众议员，644（2016），第1-76页·兹比尔1359.70089 [45] W.-X.Wang、Y.-C.Lai、C.Grebogi和J.-P.Ye，通过压缩传感基于进化模拟数据的网络重建，Phys。版本X，1（2011），021021。 [46] W.-X.Wang、R.Yang、Y.-C.Lai、V.Kovanis和M.A.F.Harrison，《通过压缩传感对复杂振子网络进行基于时间序列的预测》，Europhys。莱特。，94 (2011), 48006. [47] D.J.Watts和S.H.Strogatz，“小世界”网络的集体动力学，《自然》，393（1998），第440-442页·Zbl 1368.05139号 [48] X.Wei、X.Wu、S.Chen、J.Lu和G.Chen，两层互联网络上的合作疫情传播，SIAM J.Appl。动态。系统。，17（2018），第1503-1520页·Zbl 1395.68045号 [49] D.Yu、M.Righore和L.Kocarev，网络拓扑估计，物理。修订稿。，97 (2006), 188701. [50] 张海凤，徐凤，鲍志凯，马化成，基于广义统计推断的二态动力学网络重构，IEEE。事务处理。电路系统，66（2019），第1608-1619页，https://doi.org/10.109/TCSI.2018.2886770。 ·Zbl 1468.94916号 [51] C.Zheng、C.Xia、Q.Guo和M.Dehmer，基于SIR的疾病传播与多重网络上意识传播的相互作用，J.Parallel District Com.，115（2018），第20-28页，https://doi.org/10.1016/j.jpdc.2018.01.001。 [52] D.Zhou，Y.Xiao，Y.Zhang，Z.Xu和D.Cai，脉冲耦合非线性网络的因果和结构连通性，物理。修订稿。，111 (2013), 054102. 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。